随着我国高速公路交通运输行业的成熟发展,各类数据采集设备与技术在高速公路领域广泛应用,高速公路的交通管理与运营部门逐渐对高速公路的多元数据进行共享分析,面对迅速增长的高速公路大数据,交管部门的数据分析需求更加严格,也给高速公路的通行及管控能力带来巨大挑战。近些年,短时交通流量预测作为智能交通领域的核心研究问题被广泛应用于城市交通,为交通运输管理部门提供交通诱导与决策的数据支持。本文着重研究高速公路大数据的短时交通流量预测问题,实现对具有时空特性数据的短时流量预测,并对高速公路大数据的多样性与复杂性进行分析,具体研究工作如下:1.针对高速公路大数据的数据质量不高、预测所需依赖数据的匮乏问题,进行高速公路大数据的预处理,提出一种基于时空特性的数据清洗方法。对数据的时空属性进行判断、修改与校验,并根据业务规则进行数据的过滤,保证数据的合理性与有效性;对清洗后的数据,进行高速公路大数据的多维度交通流量统计分析,结合高速公路的空间相关性构建预测所需的依赖数据集,为进一步短时交通流量预测分析提供有效的数据支持。2.针对高速公路收费站流量预测,数据时空特性利用不足,且数据规模的动态增长等问题,提出一种面向高速公路大数据的短时流量预测模型。对清洗后及分析处理后的数据进行时空相关性分析,结合非参数回归模型,构建出基于时空特性的短时流量预测模型。经大量实验验证,本文所提出的交通流量预测模型比传统的时间序列模型具有更高的精确度和可扩展性,且模型可单次预测出高速公路全站点的交通流量值。3.针对高速公路领域,大多业务系统大数据技术分析利用不充分的问题,实现了高速公路的交通流量预测分析系统。利用大规模的高速公路数据信息对前面研究内容进行实验和效果分析,验证了本文预测模型的可扩展性、高效性及高精确,并将数据结果呈现到预测分析系统中。为交通部门提供可靠的高速路网监控平台,达到高速公路交通流量实时监测与预测分析的效果。